一、pandas是什么
一个基于numpy的数据处理数据分析的工具。
特点：
Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。
一个简单实例：
import pandas as pd
#以下代码是一个比较简单的dataframe数据类型的实例化案例。
mydataset = {
'sites': ["Google", "Runoob", "Wiki"],
'number': [1, 2, 3]
}
myvar = pd.DataFrame(mydataset)
print(myvar)以上代码输出：
二、了解pandas的两种主要数据结构
大致的理解：pandas的series数据结构 = 表格的一列 = 一维数组 = Python的一维列表
series（）函数的参数说明：
pandas.Series( data, index, dtype, name, copy)
'''
data：一组数据(ndarray 类型)。
index：数据索引标签，如果不指定，默认从 0 开始。
dtype：数据类型，默认会自己判断。
name：设置名称。
copy：拷贝数据，默认为 False。
'''
以下案例表示数据被series处理后后输出成的样子：
指定某一字段的索引值：
import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)索引值和字段对应关系如下：
使用索引值去取值：
import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar["y"])
#输出结果如下：
#Runoob记忆点：series对象[索引值]取值，类似于列表的通过索引取值，只不过series的索引可以指定。
从上述案例可知，可以通过series（）对列表操作，并通过index参数指定索引来创建series对象，如果实现上述相同效果，我们还可以通过series（）直接对字典类型处理获得，这时字典的keys被自动默认为series对象的索引。如下：
import pandas as pd
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)运行效果：
同样的，可以通过指定index索引值来获取部分数据：
import pandas as pd
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2])
print(myvar)
